Week 1: Introduction

2758501 สถิติและสารสนเทศทางการศึกษา

Assistant Prof. Dr. Siwachoat Srisuttiyakorn

Department of Educational Research and Psychology
Faculty of Education Chulalongkorn University

2025-01-07


สถิติและวิทยาการข้อมูล?

เป็นศาสตร์แขนงหนึ่งมีลักษณะเป็นสหศาสตร์ที่มี
การบูรณา การองค์ความรู้หลายด้านเข้าด้วยกัน ประกอบด้วย

  • คณิตศาสตร์/สถิติ
  • เทคโนโลยี/วิทยาการคอมพิวเตอร์
  • องค์ความรู้ทฤษฎีที่เกี่ยวข้องกับปัญหาที่ต้องการศึกษา

โดยมีวัตถุประสงค์หลักเพื่อนำข้อมูลในบริบทการทำงานด้านต่าง ๆ มาดำเนินการวิเคราะห์ แปลความหมาย นำมาใช้ให้เกิดประโยชน์ และสร้างผลกระทบเชิงบวกต่อผู้เกี่ยวข้องได้อย่างมีนัยสำคัญ

Why’s Data Science?

Data will help solve the big problems of tomorrow. Prepare your students today.
- DataClassroom Inc. (2022)

  1. ช่วยทำความเข้าใจสภาพของสถานการณ์ที่สนใจ

  2. ช่วยให้ครูสามารถทำความเข้าใจนักเรียนได้ลึกซึ้งขึ้น

  3. คาดการณ์หรือทำนายผลลัพธ์ที่จะเกิดขึ้นในอนาคต

  4. สนับสนุนการตัดสินใจของครู ผู้บริหาร หรือผู้เกี่ยวข้อง

  5. สนับสนุนการจัดการเรียนรู้เฉพาะบุคคล

  6. ช่วยอำนวยความสะดวกในงานประจำของครู

Why’s Data Science? (1)

1. ข่วยทำความเข้าใจสภาพของสถานการณ์ที่สนใจ : การใช้สถิติและวิทยาการข้อมูลช่วยให้สามารถวิเคราะห์และสร้างข้อสรุปจากข้อมูลที่มีอยู่ นำไปสู่ความรู้ความเข้าใจที่ชัดเจนและถูกต้องของสถานการณ์ต่าง ๆ ไม่ว่าจะเป็นผลสัมฤทธิ์ทางการเรียน พฤติกรรมของนักเรียน หรือประสิทธิภาพในการสอน

Why’s Data Science? (1)

1. ช่วยทำความเข้าใจสภาพของสถานการณ์ที่สนใจ : การใช้สถิติและวิทยาการข้อมูลช่วยให้สามารถวิเคราะห์และสร้างข้อสรุปจากข้อมูลที่มีอยู่ นำไปสู่ความรู้ความเข้าใจที่ชัดเจนและถูกต้องของสถานการณ์ต่าง ๆ ไม่ว่าจะเป็นผลสัมฤทธิ์ทางการเรียน พฤติกรรมของนักเรียน หรือประสิทธิภาพในการสอน

Why’s Data Science? (1)

1. ช่วยทำความเข้าใจสภาพของสถานการณ์ที่สนใจ : การใช้สถิติและวิทยาการข้อมูลช่วยให้สามารถวิเคราะห์และสร้างข้อสรุปจากข้อมูลที่มีอยู่ นำไปสู่ความรู้ความเข้าใจที่ชัดเจนและถูกต้องของสถานการณ์ต่าง ๆ ไม่ว่าจะเป็นผลสัมฤทธิ์ทางการเรียน พฤติกรรมของนักเรียน หรือประสิทธิภาพในการสอน

Why’s Data Science? (1)

1. ช่วยทำความเข้าใจสภาพของสถานการณ์ที่สนใจ : การใช้สถิติและวิทยาการข้อมูลช่วยให้สามารถวิเคราะห์และสร้างข้อสรุปจากข้อมูลที่มีอยู่ นำไปสู่ความรู้ความเข้าใจที่ชัดเจนและถูกต้องของสถานการณ์ต่าง ๆ ไม่ว่าจะเป็นผลสัมฤทธิ์ทางการเรียน พฤติกรรมของนักเรียน หรือประสิทธิภาพในการสอน

Why’s Data Science? (1)

1. ช่วยทำความเข้าใจสภาพของสถานการณ์ที่สนใจ : การใช้สถิติและวิทยาการข้อมูลช่วยให้สามารถวิเคราะห์และสร้างข้อสรุปจากข้อมูลที่มีอยู่ นำไปสู่ความรู้ความเข้าใจที่ชัดเจนและถูกต้องของสถานการณ์ต่าง ๆ ไม่ว่าจะเป็นผลสัมฤทธิ์ทางการเรียน พฤติกรรมของนักเรียน หรือประสิทธิภาพในการสอน

วรรณี แกมเกตุ และคณะ (2566)

ธวัชชัย ขวัญเมือง และสิวะโชติ ศรีสุทธิยากร (2567)

Why’s Data Science? (2)

2. ช่วยให้ครูสามารถทำความเข้าใจนักเรียนได้ลึกซึ้งขึ้น : วิเคราะห์ข้อมูลการเรียนรู้ของนักเรียน เช่น คะแนนสอบ การส่งงาน การมีส่วนร่วมในห้องเรียน ทำให้ครูสามารถระบุจุดแข็งหรือจุดที่ควรต้องพัฒนาของนักเรียนในห้องเรียน หรือ วิเคราะห์ปัจจัยที่มีผลต่อความสำเร็จหรือความเสี่ยงในการเรียนรู้ของนักเรียน

Why’s Data Science? (3)

3. คาดการณ์หรือทำนายผลลัพธ์ที่จะเกิดขึ้นในอนาคต : สถิติและวิทยาการข้อมูลมีเทคนิคจำนวนมากที่ช่วยสร้างโมเดลสำหรับทำนายผลลัพธ์ เช่น ผลการเรียนรู้ของนักเรียน ความสำเร็จในการเรียนของนักเรียน ความเสี่ยงทางด้านอารมณ์/สังคมของนักเรียน ซึ่งมีประโยชน์อย่างมากต่อครูและผู้เกี่ยวข้อง ที่จะช่วยออกแบบสิ่งสนับสนุน ช่วยเหลือไว้ล้วงหน้าเพื่อลดความเสี่ยงและเพิ่มโอกาสในการพัฒนา

Why’s Data Science? (4)

4. สนับสนุนการตัดสินใจของครู ผู้บริหาร หรือผู้เกี่ยวข้อง : สถิติและวิทยาการข้อมูลเป็นเครื่องมือที่ช่วยให้ผู้เกี่ยวข้องในทุกระดับตั้งแต่ครูไปจนถึงระดับผู้บริหารการศึกษาสามารถตัดสินใจ ออกแบบการสนับสนุน/ช่วยเหลือนักเรียน ปรับปรุงการจัดการเรียนรู้ การออกข้อสอบ ปรับปรุง/พัฒนาหลักสูตร กำหนดนโยบายในระดับสถานศึกษาหรือระดับประเทศ

Why’s Data Science? (4)

4. สนับสนุนการตัดสินใจของครู ผู้บริหาร หรือผู้เกี่ยวข้อง : สถิติและวิทยาการข้อมูลเป็นเครื่องมือที่ช่วยให้ผู้เกี่ยวข้องในทุกระดับตั้งแต่ครูไปจนถึงระดับผู้บริหารการศึกษาสามารถตัดสินใจ ออกแบบการสนับสนุน/ช่วยเหลือนักเรียน ปรับปรุงการจัดการเรียนรู้ การออกข้อสอบ ปรับปรุง/พัฒนาหลักสูตร กำหนดนโยบายในระดับสถานศึกษาหรือระดับประเทศ


การวิเคราะห์คุณภาพข้อสอบ

สิวะโชติ ศรีสุทธิยากร และ คณะ (2567)

Why’s Data Science? (4)

4. สนับสนุนการตัดสินใจของครู ผู้บริหาร หรือผู้เกี่ยวข้อง : สถิติและวิทยาการข้อมูลเป็นเครื่องมือที่ช่วยให้ผู้เกี่ยวข้องในทุกระดับตั้งแต่ครูไปจนถึงระดับผู้บริหารการศึกษาสามารถตัดสินใจ ออกแบบการสนับสนุน/ช่วยเหลือนักเรียน ปรับปรุงการจัดการเรียนรู้ การออกข้อสอบ ปรับปรุง/พัฒนาหลักสูตร กำหนดนโยบายในระดับสถานศึกษาหรือระดับประเทศ

สิวะโชติ ศรีสุทธิยากร และ คณะ (2567)

Why’s Data Science? (4)

5. สนับสนุนการจัดการเรียนรู้เฉพาะบุคคล (personalized learning) : แนวโน้มการจัดการเรียนรู้ในศตวรรษที่ 21 (OECD, 2018) มีองค์ประกอบสำคัญคือ

  • การรับรู้ความสามารถและลักษณะการเรียนรู้ของผู้เรียน

  • การใช้สารสนเทศเพื่อการตัดสินใจ

  • การสร้างสภาพแวดล้อมที่สนับสนุนการเรียนรู้

  • การสร้างความร่วมมือและการเรียนรู้ร่วมกัน

  • การจัดการเรียนรู้ที่ส่งเสริมการคิดเชิงวิเคราะห์และการแก้ปัญหา

Why’s Data Science? (4)

5. สนับสนุนการจัดการเรียนรู้เฉพาะบุคคล (personalized learning) :


Data-driven Instruction Competency

  • การเก็บรวบรวมและการจัดการข้อมูล

  • การวิเคราะห์ข้อมูลเพื่อสร้างสารสนเทศเชิงลึกที่สามารถนำไปสู่การปฏิบัติ

  • การสื่อสารสารสนเทศเพื่อให้เกิดการมีส่วนร่วมในการพัฒนาผู้เรียน

  • การใช้ข้อมูลเพื่อการตัดสินใจและวางแผน

  • การกำกับติดตามและการประเมินผล

Why’s Data Science? (5)

6. ช่วยอำนวยความสะดวกในงานประจำของครู : วิทยาการข้อมูลสามารถช่วยครูลดภาระงานที่ซ้ำซ้อนและเพิ่มประสิทธิภาพในการทำงานและจัดการห้องเรียน ผ่านการใช้ข้อมูลและนวัตกรรมที่ขับเคลื่อนด้วย AI

Why’s Data Science? (5)

6. ช่วยอำนวยความสะดวกในงานประจำของครู : วิทยาการข้อมูลสามารถช่วยครูลดภาระงานที่ซ้ำซ้อนและเพิ่มประสิทธิภาพในการทำงานและจัดการห้องเรียน ผ่านการใช้ข้อมูลและนวัตกรรมที่ขับเคลื่อนด้วย AI

Process: Data to Action

ตัวแปร ข้อมูล และค่าสังเกต

  • ตัวแปร (variable) คือ คุณลักษณะของสิ่งต่าง ๆ (คน สัตว์ สิ่งของ) โดยที่คุณลักษณะดังกล่าวมีการแปรเปลี่ยนได้ตามหน่วยของสิ่ง ๆ นั้น (มักเรียกว่า หน่วยข้อมูล)

  • ข้อมูล (data) คือข้อเท็จจริงหรือค่าที่ใช้สะท้อนสภาพของตัวแปร/คุณลักษณะของหน่วยข้อมูลที่ทำการศึกษา

  • ค่าสังเกต (observation) คือหน่วยข้อมูลที่ถูกวัดหรือสังเกตค่าของตัวแปร

ประเภทของข้อมูล

  • ข้อมูลเชิงปริมาณ (quantitative data) คือ ข้อมูลที่มีลักษณะเป็นตัวเลขที่มีความหมาย เช่น น้ำหนัก ส่วนสูง คะแนนสอบ ร้อยละของการส่งการบ้าน จำนวนครั้งที่เข้าเรียน ของนักเรียน

  • ข้อมูลจัดประเภท (categorical data) คือ ข้อมูลที่ค่าของข้อมูลไม่มีความหมายในเชิงปริมาณ แต่มีความหมายในเชิงการแบ่งกลุ่ม/หมวดหมู่ หรือประเภท เช่น เพศของนักเรียน สาขาวิชาเอกของนิสิต

คุณภาพของข้อมูล (Data Quality)

คุณภาพของข้อมูล (Data Quality)

  • ความตรง (validity) : ข้อมูลสะท้อนสิ่งที่ต้องการวัดหรือศึกษาได้จริง

  • ความแม่นยำ (accuracy) : ข้อมูลต้องสามารถสะท้อนสภาพความเป็นจริงของสิ่งที่ต้องการศึกษาได้โดยไม่ผิดพลาด

  • ความสอดคล้อง (consistency) : ข้อมูลของหน่วยข้อมูลเดียวกัน หรือในบริบทเดียวกัน ต้องมีความสอดคล้องกันทั้งในเชิงของค่าที่วัดได้ ระบบการบันทึกข้อมูล หรือการแปลความหมายของข้อมูล

  • ความสมบูรณ์ (completeness) : ข้อมูลต้องครบถ้วน ไม่ขาดข้อมูลที่จำเป็นต่อการวิเคราะห์หรือใช้งาน

  • ความทันสมัย (timeliness) : ควรเป็นข้อมูลที่ทันต่อสถานการณ์ปัจจุบัน

  • ความสามารถในการเข้าถึง (accessibility) : ต้องสามารถเข้าถึงใช้งานได้ง่าย โดยมีการรักษาความปลอดภัยที่เหมาะสม

  • ความไม่ซ้ำซ้อน (uniqueness) : ในชุดข้อมูลหนึ่ง ๆ แต่ละค่าสังเกตควรมีเพียง 1 record

Type of Data Analytics

Type of Data Analytics

  • ผลสัมฤทธิ์ทางการเรียนของนักเรียนในวิชาคณิตศาสตร์ในภาคเรียนที่ผ่านมาเป็นอย่างไร?

  • นักเรียนส่งการบ้านครบตามกำหนดหรือไม่ และอัตราการส่งงานคิดเป็นกี่เปอร์เซ็นต์?

  • อัตราการเข้าเรียนของนักเรียนในแต่ละสัปดาห์มีแนวโน้มเป็นอย่างไร?

  • ปัจจัยใดมีผลต่อการสอบไม่ผ่านของนักเรียนมากที่สุด?

  • ทำไมนักเรียนบางคนจึงมีอัตราการขาดเรียนสูง?

  • นักเรียนที่มีผลการเรียนรู้ที่ดีและไม่ดีมีความพร้อมและพฤติกรรมในการเรียนรู้แตกต่างกันอย่างไร?

  • แนวโน้มผลสัมฤทธิ์ทางการเรียนในรายวิชาสถิติและสารสนเทศของนิสิต A จะเป็นอย่างไร?

  • นักเรียนคนใดบ้างที่มีความเสี่ยงสูงที่จะไม่สำเร็จการศึกษา

  • แนวทางใดที่เหมาะสมที่สุดในการลดอัตราการขาดเรียนของนักเรียน

  • ควรออกแบบแผนการสอนอย่างไรที่จะช่วยให้นักเรียนที่มีผลสัมฤทธิ์ทางการเรียนต่ำสามารถพัฒนาตนเองได้อย่างมีประสิทธิภาพ

สารสนเทศเชิงลึก (Insights)

ความรู้ความเข้าใจ/องค์ความรู้ที่เป็นผลลัพธ์จากการวิเคราะห์ข้อมูล ที่มีความหมายและมีประโยชน์แก่ผู้เกี่ยวข้องในการทำความเข้าใจ ตัดสินใจ หรือนำไปสู่การดำเนินการเพื่อพัฒนาหรือแก้ปัญหาต่าง ๆ

สารสนเทศเชิงลึก (Insights)

สารสนเทศเชิงลึก (Insights)

สารสนเทศเชิงลึก (Insights)

Use Cases: Business

  • Pricing

  • Demand/Supply Analysis

  • Customer Behavior Analysis

  • Recommendation System

  • Social Listening

Use Cases: Medical


  • Medical image analysis

  • Virtual assistance for patients and customer support

  • Predictive medicine: prognosis and diagnostic accuracy

  • Creation of drugs